关键字：关系型数据库、行业大数据、航天大数据

说到这儿，可能有的人会有些疑问：多值索引不就是联合索引吗，还需要单独开一篇来讲？

多值索引和联合索引

多值索引和基于多个字段的联合索引完全不同，联合索引是基于多个一维字段，比如字段 r1 int, r2 int,r3 int，这三个字段的组合是联合索引。一般用于三个字段的联合查找，比如 r1 = 1 and r2 = 2 and r3 = 2 等等。

多值索引则不同，它是基于单个字段的，不同的是多值索引基于多维字段，比如数组：[1,2,3,4,5,6] ，基于这样的一个数组来建立索引，可以用来检索数组内任何一个元素值。比如我要查找元素 3 是不是在这个数组里等等。

多值索引是在 MySQL 8.0.17 后才推出的新功能，主要目的是突破 MySQL 单张表索引的硬性限制（不能超过 64 个）。

举例

下面来讲几个例子介绍下多值索引的大致适用场景。先来看看对于多个字段都有可能参与的查询，基于这个条件，建立下面表 t1，包含主键 ID 以及剩余 6 个字段， 表有 300W 行记录。

mysql> show create table t1\G
*************************** 1. row ***************************
       Table: t1
Create Table: CREATE TABLE `t1` (
  `id` int NOT NULL AUTO_INCREMENT,
  `r1` int DEFAULT NULL,
  `r2` int DEFAULT NULL,
  `r3` int DEFAULT NULL,
  `r4` int DEFAULT NULL,
  `r5` int DEFAULT NULL,
  `r6` int DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB  mb4 COLLATE=utf8mb4_0900_ai_ci
1 row in set (0.00 sec)

mysql> select count(*) from t1;
+----------+
| count(*) |
+----------+
|  3087152 |
+----------+
1 row in set (1.03 sec)

相关示例数据如下：

mysql> select * from t1 limit 10;
+----+------+------+------+------+------+------+
| id | r1   | r2   | r3   | r4   | r5   | r6   |
+----+------+------+------+------+------+------+
|  1 |  460 |   81 |   24 |  876 |  308 |  911 |
|  2 |  632 |  424 |  225 |  854 |  593 |  402 |
|  3 |  232 |  951 |   60 |  445 |   47 |  898 |
|  4 |  350 |   56 |  230 |  981 |  213 |  122 |
|  6 |  972 |  493 |  547 |  256 |  639 |  428 |
|  7 |  221 |  823 |  449 |  774 |  526 |  306 |
|  8 |  953 |  847 |  372 |  322 |  493 |  496 |
|  9 |    2 |  523 |  606 |  460 |  482 |   30 |
| 13 |  701 |  418 |  984 |  665 |  374 |  876 |
| 14 |  256 |  650 |  481 |  454 |  828 |  779 |
+----+------+------+------+------+------+------+
10 rows in set (0.00 sec)

那现在有一个需求：检索除了主键 ID 列外，其他列包含了数字 650 的记录。SQL 可以这么写：

select count(*) from t1 where r1 = 650  or r2 = 650 or r3 = 650 or r4 = 650  or r5 = 650 or r6 = 650;

由于 6 个字段并集检索，为了检索效率，除了主键外，其他字段都分别单独加上索引，这样就能用上 MySQL 的 INDEX_MERGE 优化策略：

mysql> alter table t1 add key idx_r1(r1), \
-> add key idx_r2(r2),  \
-> add key idx_r3(r3),  \
-> add key idx_r4(r4),  \
-> add key idx_r5(r5),  \
-> add key idx_r6(r6);
Query OK, 0 rows affected (1 min 29.59 sec)
Records: 0  Duplicates: 0  Warnings: 0

来进行下查询，执行了 210 毫秒，时间也不快，不过已经很优化了。

mysql> select count(*) from t1 where r1 = 650
    -> or r2 = 650
    -> or r3 = 650
    -> or r4 = 650
    -> or r5 = 650
    -> or r6 = 650;
+----------+
| count(*) |
+----------+
|    18350 |
+----------+
1 row in set (0.21 sec)

来看看查询计划，MySQL 把这个几个索引都给用上了。

mysql> explain select count(*) from t1 where r1 = 650  or r2 = 650  or r3 = 650 or r4 = 650  or r5 = 650  or r6 = 650\G
*************************** 1. row ***************************
           id: 1
  select_type: SIMPLE
        table: t1
   partitions: NULL
         type: index_merge
possible_keys: idx_r1,idx_r2,idx_r3,idx_r4,idx_r5,idx_r6
          key: idx_r1,idx_r2,idx_r3,idx_r4,idx_r5,idx_r6
      key_len: 5,5,5,5,5,5
          ref: NULL
         rows: 18392
     filtered: 100.00
        Extra: Using union(idx_r1,idx_r2,idx_r3,idx_r4,idx_r5,idx_r6); Using where
1 row in set, 1 warning (0.00 sec)

那接下来看看如何简化这张表和这条 SQL：

建立一张表 t3，包含字段 ID 和一个 JSON 串，并且把表 t1 的数据处理后导入：

mysql> create table t3 (id int primary key, r_com json);
Query OK, 0 rows affected (0.03 sec)

mysql> insert into t3  \
> select id, json_object('id', json_array(r1,r2,r3,r4,r5,r6)) from t1;
Query OK, 3087152 rows affected (43.87 sec)
Records: 3087152  Duplicates: 0  Warnings: 0

导入后的示例数据如下，

mysql> select * from t3 limit 10;
+----+----------------------------------------+
| id | r_com                                  |
+----+----------------------------------------+
|  1 | {"id": [460, 81, 24, 876, 308, 911]}   |
|  2 | {"id": [632, 424, 225, 854, 593, 402]} |
|  3 | {"id": [232, 951, 60, 445, 47, 898]}   |
|  4 | {"id": [350, 56, 230, 981, 213, 122]}  |
|  6 | {"id": [972, 493, 547, 256, 639, 428]} |
|  7 | {"id": [221, 823, 449, 774, 526, 306]} |
|  8 | {"id": [953, 847, 372, 322, 493, 496]} |
|  9 | {"id": [2, 523, 606, 460, 482, 30]}    |
| 13 | {"id": [701, 418, 984, 665, 374, 876]} |
| 14 | {"id": [256, 650, 481, 454, 828, 779]} |
+----+----------------------------------------+
10 rows in set (0.00 sec)

那此时针对表 t3 加一个多值索引：（可以看到多值索引的基础是一个数组）

mysql>  alter table t3 add key idx_r_com ((cast(r_com->'$.id' as unsigned array))); Query OK, 0 rows affected (58.17 sec) Records: 0  Duplicates: 0  Warnings: 0

接下来可以把之前的 SQL 改成如下：

 select count(*) from t3 where 650 member of(r_com->"$.id");

来执行下这条 SQL：（执行时间 200 毫秒，和之前多个字段求并集的执行时间差不多）

mysql> select count(*) from t3 where 650 member of(r_com->"$.id"); +----------+ | count(*) | +----------+ |    18350 | +----------+ 1 row in set (0.20 sec)

看下执行计划，直接走的我们创建的多值索引：

mysql> explain select count(*) from t3 where 650 member of(r_com->"$.id")\G *************************** 1. row ***************************            id: 1   select_type: SIMPLE         table: t3    partitions: NULL          type: ref possible_keys: idx_r_com           key: idx_r_com       key_len: 9           ref: const          rows: 153      filtered: 100.00         Extra: Using where 1 row in set, 1 warning (0.00 sec) 1 row in set (0.25 sec)

如果单单从上面的例子看不出来多值索引有啥值得炫耀的地方，无非就是把多个字段变为一个 JSON 字段而已，查询效率也没有高多少，如果理解到这儿，那就需要再多说几句了。MySQL 对于单表来说，开篇也说过，有硬性个数限制，个数为 64，也就是说一张表最多只能有 64 个索引。不过现实场景是，如果一张表需要建立 64 个索引，那这张表对于业务来讲，也就废了，基本上写入会巨慢。这会儿多值索引的用途就来了。

我来举个例子：比如建立一张新表 t2，501 个字段。（由于字段比较多，需要写脚本来处理后续 DDL）

mysql> create table t2(id int auto_increment primary key); Query OK, 0 rows affected (0.03 sec)

这儿我分别写两个存储过程来构造表结构与表数据：

表结构构造存储过程代码：

DELIMITER $$ USE `ytt`$$ DROP PROCEDURE IF EXISTS `sp_extend_t2_columns`$$ CREATE DEFINER=`root`@`%` PROCEDURE `sp_extend_t2_columns`(     IN f_num INT UNSIGNED     ) BEGIN DECLARE i INT DEFAULT 1; SET @stmt = 'alter table t2 '; WHILE i <= f_num DO   SET @stmt = CONCAT(@stmt,' add r',i,' int,');   SET i = i + 1; END WHILE; SET @stmt = LEFT(@stmt,CHAR_LENGTH(@stmt)-1); PREPARE s1 FROM @stmt; EXECUTE s1; DROP PREPARE s1; SET @stmt = NULL; END$$ DELIMITER ;

造数据存储过程代码：

DELIMITER $$ USE `ytt`$$ DROP PROCEDURE IF EXISTS `sp_generate_t2_data`$$ CREATE DEFINER=`root`@`%` PROCEDURE `sp_generate_t2_data`(     IN f_num INT UNSIGNED,      IN f_total_record INT UNSIGNED     ) BEGIN DECLARE i ,j INT DEFAULT 1; SET @@autocommit = 0; WHILE i <= f_total_record DO   SET @s1 = 'insert into t2 ( ';   SET @s2 = ' values (';   SET j = 1;   WHILE j <= f_num DO     SET @s1 = CONCAT(@s1,' r',j,',');     SET @s2 = CONCAT(@s2,CEIL(RAND()*1000),',');     SET j = j + 1;   END WHILE;   SET @s1 = CONCAT(LEFT(@s1,CHAR_LENGTH(@s1) - 1));           SET @s2 = CONCAT(LEFT(@s2,CHAR_LENGTH(@s2) - 1)); ```   SET @s1 = CONCAT(@s1,')');   SET @s2 = CONCAT(@s2,')');   SET @stmt = CONCAT(@s1,@s2);   PREPARE s1 FROM @stmt;   EXECUTE s1;   DROP PREPARE s1;   IF (MOD(i,100) = 0 ) THEN         COMMIT;      END IF;   SET i = i + 1; END WHILE; COMMIT; SELECT NULL,NULL,NULL INTO @s1,@s2,@stmt; END$$ ``` DELIMITER ;

分别调用这两个存储过程来创建表结构和数据，给表 t2 添加 10W 条记录。

mysql> call sp_extend_t2_columns(500); Query OK, 0 rows affected (0.09 sec) mysql> call sp_generate_t2_data(500,100000); Query OK, 1 row affected (12 min 59.48 sec) mysql> select count(*) from t2; +----------+ | count(*) | +----------+ |   100000 | +----------+ 1 row in set (0.46 sec)

比如现在要进行之前的查询，那需要写的 SQL 就比较长了，需要 OR 500 个字段：

select count(*) from t2 where r1 = 650 or r2 = 650 ... or r500=650

SQL 长度也倒没有大关系，主要性能在这儿存在很大问题，这张表不允许建立这么多索引。（这儿省略验证过程，肯定巨慢）那为了实现这类需求，改造下表 t2，变为表 t4，原理和之前改造表 t1 一样。

mysql> create table t4 (id int primary key, r_com json); Query OK, 0 rows affected (0.02 sec)

插入表 t2 的数据到 t4，还得拼个 SQL，或者写个存储过程。我简单写个存储过程如下：

DELIMITER $$ USE `ytt`$$ DROP PROCEDURE IF EXISTS `sp_copy_t2_data_to_t4`$$ CREATE DEFINER=`root`@`%` PROCEDURE `sp_copy_t2_data_to_t4`(     ) BEGIN DECLARE i INT DEFAULT 1; SET @stmt = 'insert into t4 select id,json_object(''id'',json_array('; WHILE i <= 500 DO   SET @stmt = CONCAT(@stmt,' r',i,',');   SET i = i + 1; END WHILE; SET @stmt = LEFT(@stmt,CHAR_LENGTH(@stmt)-1); SET @stmt = CONCAT(@stmt,')) from t2'); PREPARE s1 FROM @stmt; EXECUTE s1; DROP PREPARE s1; SET @stmt = NULL; END$$ DELIMITER ;

调用下这个存储过程，并且给表 t4 加上多值索引：

mysql> call sp_copy_t2_data_to_t4;
Query OK, 0 rows affected (23.41 sec)

mysql> alter table t4 add key idx_r_com ((cast(r_com->'$.id' as unsigned array)));
Query OK, 0 rows affected (2 min 15.08 sec)
Records: 0  Duplicates: 0  Warnings: 0

速度也不敢恭维，不过相对简洁性来说，要好过单个列查询，并且速度肯定要优于之前的基于 t3 的全表扫。

mysql> select count(*) from t4 where 270 member of(r_com->'$.id');
+----------+
| count(*) |
+----------+
|    39501 |
+----------+
1 row in set (11.31 sec)

说到这里，想必对多值索引已经有一个很深刻的认知，特别是突破 MySQL 单表索引硬性限制方面，非常出色。

关键字：关系型数据库、行业大数据、航天大数据